← नवीनतम पेपर
⚛️ क्वांटम भौतिकी

Noise-Aware Testing of NISQ Quantum Programs: Self-Baseline Oracle with a Controlled False-Positive Rate

यह शोध पत्र NISQ क्वांटेबल प्रोग्राम्स के लिए एक शोर-जागरूक (noise-aware) परीक्षण ढांचे को प्रस्तुत करता है जो हार्डवेयर शोर से दोषों (faults) को विश्वसनीय रूप से अलग करने के लिए एक नियंत्रित फाल्स-पॉजिटिव दर वाले सेल्फ-बेसलाइन ओरैकल का उपयोग करता है, जिससे सिमुलेशन और वास्तविक IBM डिवाइस प्रयोगों दोनों में फिक्स्ड-थ्रेशोल्ड या ग्लोबली कैलिब्रेटेड विधियों की तुलना में काफी अधिक सटीकता और कम फाल्स-पॉजिटिव प्राप्त होते हैं।

मूल लेखक: Mir Mohammad Yousuf, Shabir Ahmad Sofi

प्रकाशित 2026-11-17
📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Mir Mohammad Yousuf, Shabir Ahmad Sofi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

आज के क्वांटम कंप्यूटर एक शोर भरे, अपूर्ण संसार में काम करते हैं। उन क्लासिकल मशीनों के विपरीत जो हमारे फोन और लैपटॉप को शक्ति प्रदान करती हैं और सूचनाओं को पूर्ण निश्चितता के साथ संसाधित करती हैं, ये नए उपकरण नाजुक घटकों से बने हैं जो गलतियाँ करते हैं। हर बार जब एक क्वांटम कंप्यूटर कोई गणना करता है, तो परिणाम एक एकल, निश्चित उत्तर नहीं होता, बल्कि संभावनाओं का एक बादल होता है, जो हार्डवेयर की गर्मी और कंपन से थोड़ा विकृत होता है। यह शोर इतना महत्वपूर्ण है कि एक पूरी तरह से लिखे गए प्रोग्राम का परिणाम हर बार चलाने पर अलग हो सकता है, जिससे यह बताना लगभग असंभव हो जाता है कि आउटपुट में परिवर्तन कोड में बग के कारण हुआ है या केवल मशीन के स्वाभाविक उतार-चढ़ाव (जिटर) के कारण। इस हार्डवेयर पर विश्वसनीय एप्लिकेशन बनाने की कोशिश कर रहे सॉफ्टवेयर इंजीनियरों के लिए, यह एक मौलिक समस्या पैदा करता है: आप कैसे जान सकते हैं कि आपका प्रोग्राम सही ढंग से काम कर रहा है जब मशीन स्वयं अविश्वसनीय है?

नेशनल इंस्टीट्यूट ऑफ टेक्नोलॉजी श्रीनगर के शोधकर्ताओं ने इन क्वांटम प्रोग्रामों का परीक्षण करने का एक नया तरीका विकसित किया है जो इस शोर को खत्म करने के बजाय इसे जीवन के एक तथ्य के रूप में स्वीकार करता है। एक प्रोग्राम के आउटपुट की तुलना एक आदर्श, सैद्धांतिक मानक से करने के बजाय जिसे हार्डवेयर कभी वास्तव में प्राप्त नहीं कर सकता, उनका तरीका प्रोग्राम की तुलना स्वयं उससे ही करता है। वे एक भरोसेमंद, ज्ञात-अच्छे संस्करण को उसी मशीन पर कई बार चलाते हैं ताकि यह स्थापित किया जा सके कि "सामान्य" शोर कैसा दिखता है। फिर, वे परीक्षण किए जा रहे प्रोग्राम को चलाते हैं और जांचते हैं कि क्या उसके परिणाम उस बेसलाइन की अपेक्षित सीमा के भीतर आते हैं। यदि परिणाम बहुत अधिक भटक जाते हैं, तो सिस्टम एक संभावित त्रुटि का संकेत देता है। यह दृष्टिकोण उन्हें एक सटीक, पूर्व-निर्धारित सीमा निर्धारित करने की अनुमति देता है कि वे कितनी बार गलती से एक सही प्रोग्राम को टूटा हुआ करार देंगे, जो कि नियंत्रण का एक ऐसा स्तर है जो पिछले तरीकों में संभव नहीं था।

टीम ने इन फ्रेमवर्क का व्यापक परीक्षण किया, जिसमें हजारों सिमुलेशन और वास्तविक IBM क्वांटम हार्डवेयर पर वास्तविक प्रयोग शामिल थे। उन्होंने पाया कि उनका नया तरीका, जिसे वे 'नॉइज़-अवेयर ऑरेकल' कहते हैं, गलत अलार्म को बेहद दुर्लभ रखने में सफल रहा। अपने परीक्षणों में, उन्होंने एक लक्ष्य निर्धारित किया कि वे एक सही प्रोग्राम को हर हज़ार प्रयासों में से केवल एक बार गलत तरीके से खारिज करेंगे। सिस्टम ने इस वादे को निभाया, और हजारों टेस्ट रन के दौरान लगभग 0.0011, यानी लगभग एक हज़ार में एक की दर से ही गलत अलार्म उत्पन्न किए। इसके विपरीत, पुराने तरीके जो निश्चित थ्रेशोल्ड (सीमा) पर निर्भर करते हैं—जो मूल रूप से एक कटऑफ पॉइंट का अनुमान लगाते हैं कि क्या त्रुटि माना जाए—पूरी तरह विफल रहे। उन पारंपरिक दृष्टिकोणों ने सही प्रोग्रामों को 36 प्रतिशत से 74 प्रतिशत के बीच खारिज कर दिया, जिसका अर्थ है कि वे एक इंजीनियर को आधे से अधिक समय में यह बता देते थे कि उसका कोड खराब है जबकि वह वास्तव में ठीक था। यहाँ तक कि शोर को गणितीय रूप से हटाने के लिए डिज़ाइन किए गए अधिक परिष्कृत फिल्टर भी लगभग 9 प्रतिशत बार गलत अलार्म पैदा करते थे।

त्रुटियों को पहचानने के अलावा, शोधकर्ताओं ने अपने सिस्टम का उपयोग क्वांटम कोड में गलतियों की प्रकृति को समझने के लिए भी किया। उन्होंने प्रोग्रामों के हजारों थोड़े बदले हुए संस्करण बनाए, जिन्हें 'म्यूटेंट' कहा जाता है, यह देखने के लिए कि सिस्टम उन पर कैसी प्रतिक्रिया देता है। उन्होंने पाया कि इन परिवर्तनों का एक बड़ा हिस्सा, जो गेट के प्रकार के आधार पर 24 प्रतिशत से 70 प्रतिशत तक था, वास्तव में प्रोग्राम के व्यवहार को बिल्कुल नहीं बदलता था। इन्हें 'इक्विवेलेंट म्यूटेंट' कहा जाता है, और ये परीक्षण के लिए एक बड़ी समस्या हैं क्योंकि ये समय और संसाधनों को बर्बाद करते हैं। शोर वाले हार्डवेयर पर चलाने से पहले हर म्यूटेंट को उच्च-सटीकता वाले सिमुलेशन का उपयोग करके सटीक रूप से लेबल करके, शोधकर्ता उन परिवर्तनों के बीच अंतर कर सके जो वास्तव में मायने रखते थे और जो नहीं रखते थे। उनके सिस्टम ने उन म्यूटेंट्स को 93.8 प्रतिशत सटीकता के साथ सही ढंग से पहचाना और खारिज किया जिन्होंने वास्तव में प्रोग्राम के तर्क को बदल दिया था, जबकि हानिरहित म्यूटेंट्स को सफलतापूर्वक अनदेखा किया। यह सटीकता महत्वपूर्ण है क्योंकि यह सुनिश्चित करती है कि जब एक परीक्षण विफल होता है, तो वह वास्तव में एक वास्तविक समस्या होने की संभावना है जिसकी जांच की जानी चाहिए।

शोधकर्ताओं ने यह पता लगाने के कार्य को भी संभाला कि परीक्षण क्यों विफल हुआ। जब सिस्टम ने किसी प्रोग्राम को टूटा हुआ चिह्नित किया, तो उन्हें यह जानने की आवश्यकता थी कि विफलता सॉफ्टवेयर में बग के कारण हुई थी या केवल मशीन के शोर के अस्थायी उछाल के कारण। उन्होंने एक तकनीक विकसित की जिसमें शोर को कृत्रिम रूप से बढ़ाया जाता है और फिर गणितीय रूप से यह अनुमान लगाया जाता है कि शोर को हटा दिए जाने पर परिणाम क्या होगा। यदि शोर को हटाने पर दोनों प्रोग्रामों के बीच का अंतर समाप्त हो जाता है, तो वह एक शोर प्रभाव था। यदि अंतर बना रहता, तो वह एक सॉफ्टवेयर बग था। यह विधि कम और मध्यम शोर स्तरों पर उच्च सटीकता के साथ काम करती थी, जिसने बग के मामलों में 98 से 99 प्रतिशत और शोर के मामलों में 90 प्रतिशत मामलों में विफलता के कारण को सही ढंग से पहचाना। हालांकि, उन्होंने पाया कि जब शोर अत्यधिक उच्च हो जाता है, तो यह विधि संघर्ष करती है, क्योंकि सिग्नल शोर (स्टैटिक) से अलग करना बहुत कठिन हो जाता है।

अध्ययन का एक महत्वपूर्ण निष्कर्ष समय और निरंतरता का महत्व था। शोधकर्ताओं ने पाया कि इन मशीनों में शोर स्थिर नहीं है; यह समय के साथ बदलता रहता है, एक घंटे से दूसरे घंटे में बदल जाता है। यदि एक परीक्षण को सुबह कैलिब्रेट किया जाता है और दोपहर में चलाया जाता है, तो मशीन इतनी बदल सकती है कि वह गलत अलार्म ट्रिगर कर दे। इसे हल करने के लिए, उन्होंने एक "सेंटिनल" (प्रहरी) चेक पेश किया, जो परीक्षणों के एक बैच से ठीक पहले किया जाने वाला एक त्वरित सत्यापन है ताकि यह सुनिश्चित किया जा सके कि मशीन में कोई बदलाव नहीं आया है। एक वास्तविक IBM क्वांटम डिवाइस पर, इस सरल चेक ने ड्रिफ्ट (विचलन) के कारण होने वाले फॉल्स पॉजिटिव को 27.4 प्रतिशत से घटाकर केवल 1.8 प्रतिशत कर दिया। इसने सिद्ध किया कि क्वांटम परीक्षण के विश्वसनीय होने के लिए, संदर्भ बिंदु को मशीन की वर्तमान स्थिति के विरुद्ध लगातार सत्यापित किया जाना चाहिए।

अध्ययन ने यह भी रेखांकित किया कि इन मशीनों से कितनी जानकारी विश्वसनीय रूप से निकाली जा सकती है। परीक्षण की सटीकता इस बात पर बहुत अधिक निर्भर करती है कि प्रोग्राम को कितनी बार चलाया जाता है, जिसे 'शॉट्स' कहा जाता है। शोधकर्ताओं ने पाया कि सिस्टम केवल तभी विश्वसनीय रूप से काम करता है जब प्रत्येक संभावित परिणाम के लिए कम से कम 16 शॉट्स हों। यदि प्रोग्राम बहुत जटिल है या रन की संख्या बहुत कम है, तो परीक्षण का सांख्यिकीय आधार टूट जाता है, और गलत अलार्म की दर अप्रत्याशित हो जाती है। यह वर्तमान क्वांटम परीक्षण के लिए एक व्यावहारिक सीमा निर्धारित करता है: जैसे-जैसे प्रोग्राम बड़े होते हैं और अधिक संभावित परिणामों को घेरते हैं, इंजीनियरों को या तो परीक्षणों को बहुत अधिक बार चलाना होगा या प्रोग्राम के केवल कुछ हिस्सों की जांच करने के लिए सरल तरीकों का उपयोग करना होगा।

अंततः, यह कार्य क्वांटम कंप्यूटिंग के वर्तमान युग के लिए एक व्यावहारिक टूलकिट प्रदान करता है। यह क्षेत्र को शोर रहित आदर्श की तुलना में शोर वाले परिणामों की तुलना करने के असंभव लक्ष्य से हटाकर, एक भरोसेमंद, शोर वाले बेसलाइन के साथ परिणामों की तुलना करने के यथार्थवादी मानक की ओर ले जाता है। शोर को स्वीकार करके और उसे मापकर, शोधकर्ताओं ने एक ऐसा परीक्षण ढांचा तैयार किया है जो वास्तविक बग्स को पकड़ने के लिए पर्याप्त संवेदनशील और गलत चेतावनी देने से बचने के लिए पर्याप्त सख्त है। उनके निष्कर्ष बताते हैं कि सही अंशांकन (कैलिब्रेशन) और ड्रिफ्ट पर निरंतर नज़र रखने के साथ, सॉफ्टवेयर इंजीनियर क्वांटम प्रोग्रामों के परिणामों पर भरोसा करना शुरू कर सकते हैं, जो भविष्य में अधिक जटिल और विश्वसनीय अनुप्रयोगों का मार्ग प्रशस्त करता है। यह कार्य पुष्टि करता है कि हालांकि हार्डवेयर अपूर्ण है, लेकिन इसे टेस्ट करने के तरीके कठोर हो सकते हैं, बशर्ते वे एक ऐसे आदर्श पर नहीं बल्कि मशीन की वास्तविकता पर आधारित हों जो अस्तित्व में ही नहीं है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →